Minimum Distance Estimators for Location and Goodness of Fit
位置参数与拟合优度的最小距离估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于一般位置参数估计与拟合优度理论，未提供所列领域细分所需的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
位置参数与拟合优度的最小距离估计
- 研究问题
- 如何用经验分布与位置模型之间的距离估计位置参数，并使估计效率与估参后的拟合优度检验相协调？
- 方法与思路
- 作者最小化加权 Cramér-von Mises 距离，研究位置估计的渐近正态性，并考察最小距离统计量的极限分布。
- 材料陈述的贡献
- 摘要称，采用特定权重时估计渐近有效，最小距离体现估计位置参数后的一个自由度损失，并分析原假设与备择下分布。
- 阅读关注点
- 应核对权重函数的原始数学写法、渐近结论所需条件，以及自由度损失如何体现在拟合优度统计量的极限分布中。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。权重表达含导数排版，精确定义需查原文；正则条件未说明，不能重构公式或推断一般有效性。
原文摘要
A weighted Cramér-von Mises distance between the empirical distribution function and the assumed model F0(x - θ) is minimized to produce estimators θ n that are asymptotically normal. If the weight function is taken proportional to (- ln f 0)″/f 0 , then θ n is asymptotically efficient and the minimized distance has the appropriate loss of one degree of freedom. Special attention is focused on the limiting distribution of this latter goodness-of-fit statistic in both null and alternative situations.